
大数据指基表现抢眼 部分跟踪效果差_数据分析师
互联网大数据的迅猛发展让大数据指数基金成为指数型基金行列中的新兵,大数据指数以及相关的大数据指数基金也一直是很多投资者关注的重点。中国基金报记者统计发现,大数据指基今年以来上涨幅度较大,市场表现非常抢眼,但部分大数据指基的指数跟踪效率较低,并不尽如人意。
大数据指数普遍跑赢大盘
截至2015年4月30日,市场上已有4只大数据指数,分别是中证腾安价值100指数、中证百度百发策略100指数、中证淘金大数据100指数和大数据系列策略指数(i100和i300),目前已经有银河基金、国金通用基金、广发基金、博时基金、南方基金等公募与之合作,发布了基金产品跟踪此类指数。
基金研究人士称,由于数据来源的不同,上述大数据指数也各具特点。中证腾安价值100指数是利用腾讯微博影响力和财经领域专家组成的指数评审委员会推荐,作为个股选择来源。中证百度百发策略100指数是通过统计用户在百度的海量搜索数据和投资新闻资讯等百度大数据筛选个股。大数据系列指数(i100和i300)则根据用户在新浪财经对行情或个股新闻的访问、搜索热度以及微博的多空分析数据推荐。中证淘金大数据100指数则基于阿里的交易信息、信用数据等分析细分行业电商的交易趋势,预测行业未来盈利状况而推荐。
这些大数据指数的市场表现非常抢眼。Wind数据显示,截至2015年4月30日,中证腾安价值100指数、中证百度百发策略100指数、中证淘金大数据100指数、大数据系列策略指数i100今年以来分别上涨67.67%、62.49%、63.03%、68.85%,而同期上证综指、沪深300指数的涨幅仅为37.31%、34.42%。
相关产品跟踪效果不理想
记者在采访中发现,虽然互联网大数据指数基金有不俗的表现,但并非尽善尽美,有些大数据指基的指数跟踪效率不甚理想。以跟踪中证腾安价值100指数的银河定投宝为例,其对指数的跟踪效率相对偏低。
据基金业研究人士称,全复制型指数基金的跟踪误差如果控制在0.2%之内,则指数基金运作状况较为理想,一般情况下,日均跟踪误差超过0.35%,年跟踪误差超过4%,则指数基金的跟踪效率就较差。
记者统计发现,截至2015年4月30日,中证腾安价值100指数今年以来累计上涨67.67%,而跟踪该指数的银河定投宝仅上涨54.80%。若按照基金合同约定,银河定投宝的业绩比较基准为“中证腾安价值100指数收益率×95%+银行活期存款利率(税后)×5%”,那么银河定投宝的收益应该是66.04%,但银河定投宝今年以来54.80%的收益,与跟踪的指数差距高达11.24个百分点。此外,广发中证百发100指数基金今年以来收益率也只有58.55%,与对应指数62.49%的涨幅也有一定差距。
此外,根据记者统计,银河定投宝产品还出现了上涨乏力、下跌失速的情况。统计数据显示,在所有上涨交易日行情中,中证腾安指数今年以来累计上涨78.38%,而跟踪该指数的银河定投宝仅上涨69.98%;而在所有下跌交易日的行情中,中证腾安指数今年以来累计下跌27.77%,而跟踪该指数的银河定投宝下跌27.15%。而根据该只基金的基金合同,并未出现会增加“指数增强”的策略。
基金业研究人士称,互联网大数据指数的兴起,丰富了当前国内的指数构成,也受到了众多投资者的追捧,而在大数据指数推出后,跟踪这些指数的基金产品的市场表现和跟踪效率就至关重要,只有跟踪效率良好、经得起市场考验的大数据指基,才能最终获得投资者的认可。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09